![]()
网址：https://materialsproject.org/
简介：Materials Project 是一个庞大的开源材料数据库，由美国能源部资助，旨在利用超级计算机和高通量第一性原理计算加速材料的发现。它包含了超过 14 万种材料的结构、电子、热力学、力学等性质的数据，涵盖了元素、合金、氧化物、半导体等多种材料类型。Materials Project 不仅提供数据下载，还配备了强大的在线分析工具，例如相图生成、Pourbaix图绘制、能带结构分析等，帮助研究人员更深入地探索材料特性，预测材料行为，并进行新材料和新器件的设计。
2. Open Quantum Materials Database (OQMD)![]()
简介：OQMD 是一个专注于量子材料的开源数据库，主要关注无机晶体材料的热力学和结构性质。它包含了超过 120 万种材料的数据，包括形成能、晶格参数、弹性常数等关键信息，所有数据均来源于密度泛函理论 (DFT) 计算。OQMD 为研究人员提供了一个全面且可靠的平台，用于搜索、比较和分析各种无机晶体材料的性质，从而加深对材料的理解，并为新材料的设计提供理论指导。
![]()
简介：AFLOWLIB 是一个自动化程度很高的材料数据库，它结合了第一性原理计算和机器学习技术，能够自动预测和分析材料的各种性质。AFLOWLIB 包含了大量材料的结构、电子、光学、磁性等性质的数据，并提供了一些便捷的材料设计工具，例如结构原型搜索、性质预测等。由于 AFLOWLIB 采用自动化流程，因此数据更新速度非常快，能够为材料科学研究提供最新的数据支持，帮助研究人员及时了解材料领域的最新进展。
![]()
网址：https://opencatalystproject.org/简介：Open Catalyst Project 是由 Meta 发布的开源数据库，旨在加速催化剂的发现和开发。它包含了超过 140 万个催化剂-吸附物反应的密度泛函理论 (DFT) 计算结果，涵盖了各种材料和反应条件，数据规模庞大且多样化。Open Catalyst Project 不仅提供 DFT 计算数据，还提供了一些用于机器学习模型训练和评估的工具，例如数据预处理工具、模型评估指标等，为催化剂研究提供了全面的数据和工具支持， 有望推动催化剂领域的研究和应用。
欢迎老师和同学们留言或投稿，分享相关数据库的使用经验和评论。
欢迎关注蠕变预测ICCP！本公众号致力于为您分享高温材料及强度、蠕变、材料基础理论与实验等领域的科研成果与资讯。公众号可以免费推送相关研究成果，欢迎投稿，共推行业发展！
